甲骨文
Senior AI Development Engineer / AI Technical Architect
Senior AI Development Engineer / AI Technical Architect
发布于 6 个月前普通员工/个人贡献者
上海市 / 北京市
高级经验
全职员工
仅现场办公
本科
软件工程
向量数据库
AI Agent
LLM
RAG
Text2SQL
Vue.js
AI 估算 · 45k–80k
岗位要求资深AI全栈能力，聚焦前沿LLM应用，技术门槛高且市场需求旺盛，薪资竞争力强。
职位详情
关于这个职位
这是一个面向资深工程师的AI架构与开发岗位
您将作为甲骨文AI解决方案开发团队的核心成员，负责基于大语言模型（LLM）的应用架构设计、核心编码与系统优化，重点聚焦于Text2SQL、RAG和AI Agents等前沿领域
您需要深入制造业等行业场景，利用Langchain等框架编排复杂业务流程，并提供从后端Python开发到前端Vue/React交互的全栈技术解决方案，以解决复杂的商业挑战
最低要求
经验与背景：
开发资历：8年以上互联网或企业级产品开发经验
AI实践经验：至少2年AI相关产品的实际开发经验
有完整的LLM应用部署项目经验者优先
行业背景：有制造业/工业领域的AI应用开发经验，或熟悉MES/EAP/ERP等生产流程和系统者优先
技术栈（必需）：
后端精通：精通Python，具备优秀的算法设计和代码优化能力
前端能力：精通JavaScript及至少一种现代框架（Vue.js或React），能够实现复杂的数据可视化和交互界面
LLM理解：熟悉主流LLM（GPT、Claude、Llama、Qwen等）及其特性，以及提示工程/优化策略
AI框架与工具：
熟悉Langchain或Langgraph或类似的AI应用框架
有在这些框架上开发AI应用/Agent的经验者优先
精通至少一种（RAGFlow、Dify、Coze）或类似的AI编排/低代码平台
有在这些平台上构建应用的经验者优先
数据库技术：
精通至少一种关系型数据库（MySQL、PostgreSQL）
熟悉Oracle Database者优先
熟悉至少一种向量数据库（Milvus、Weaviate等）和图数据库（Neo4j）
核心技能：
能够实现高级产品功能
对系统和应用设计有透彻的了解
深入了解竞争对手和AI解决方案格局
学历：相关领域的学士学位（A/BS或同等学历）是必需的
高级学位非常理想
工作职责
AI架构与开发：领导基于LLM的应用（包括Text2SQL、RAG和AI Agents）的架构设计、核心编码和系统优化
行业场景实施：深入了解制造业和工业领域，设计并实施可行的AI解决方案（例如，企业知识库、自动化报告生成、质量优化助手）
技术编排与集成：利用Langchain或Langgraph等框架编排复杂的业务工作流，并开发复杂的业务Agent
全栈协作：执行高质量的Python后端开发，同时指导或参与使用Vue或React实现灵活、交互式的前端
核心团队成员：在产品决策中充当技术支柱，协调研发资源，并根据需要承担产品管理或项目管理职能
优先资格
英语沟通能力
技术学习能力
管理潜力：具备产品经理思维或作为核心团队成员管理研发团队的经验
领域专长：在Text2SQL、RAG检索优化或多智能体协作系统方面有深入研究和实际实施经验
学习敏捷性：紧跟AI研究论文和技术演进，能够快速学习并应用新技术
AI 洞察
优缺点分析
优点
- 技术前沿性强：直接参与LLM、RAG、AI Agent等最热门的AI技术应用与开发，技能积累价值高，市场竞争力强
- 平台与视野广阔：在全球科技巨头甲骨文工作，能接触大规模、高复杂度的商业项目，拥有优质的职业背书和全球视野
- 角色综合度高：不仅是开发工程师，更涉及架构设计、部分产品/项目管理，有利于培养复合型能力，突破纯技术天花板
- 技术迭代迅速：AI领域发展日新月异，需要持续投入大量精力跟踪研究论文、学习新框架和工具，以保持技术领先性
- 适合拥有8年以上全栈开发经验，对AI技术有强烈热情和实践积累，并希望在前沿AI应用领域成为架构师或技术核心的资深工程师
缺点 / 挑战
- 技术与业务要求双高：需要同时保持深厚的技术功底和对制造业等垂直行业的深刻理解，学习压力和跨领域整合挑战大
- 工作强度与责任重：作为核心成员参与产品决策和资源协调，可能面临较高的项目压力和多任务并行的管理挑战
角色解读
- 技术专家路径：可深耕AI架构领域，成为公司内LLM应用、RAG优化或多智能体系统的首席专家或技术顾问
- 技术管理路径：凭借核心团队角色和潜在的管理职责，可向技术经理、AI产品线负责人或研发总监方向发展
- 行业解决方案专家路径：结合在制造业等垂直领域的经验，可发展为特定行业的AI解决方案架构师或咨询专家
- 负责设计和开发基于大语言模型（LLM）的AI应用，核心领域包括Text2SQL、RAG和智能体（Agents），解决制造业等垂直行业的复杂业务问题
- 作为技术核心，参与产品决策，并可能协调研发资源或承担部分产品/项目管理职能，推动AI解决方案从架构到落地的全过程
- 进行全栈开发，主导Python后端系统优化与核心编码，同时指导或参与使用Vue/React构建交互式前端界面，实现复杂的数据可视化
- 深厚的全栈开发能力：必须精通Python后端开发与算法优化，同时熟练掌握JavaScript及Vue.js或React前端框架
- 专业的AI架构与应用技能：需深入理解主流LLM，并具备使用Langchain/Langgraph等框架开发AI应用和智能体的实践经验
- 行业与技术整合能力：最好有制造业背景或了解MES/ERP系统，并能熟练运用关系型、向量及图数据库来支撑AI解决方案
申请策略
- 深入了解甲骨文在AI和云服务领域的战略布局，特别是其Fusion生态和行业解决方案，在申请和面试中展现你的关注与思考
- 由于职位强调英语能力，确保简历和可能的沟通中能流畅使用专业英语，并准备好用英语讨论技术方案和项目经验
- 重点突出与LLM应用直接相关的项目经验，特别是完整的落地项目，详细说明你在架构设计、核心开发（如RAG、Text2SQL）和优化中的具体贡献
- 清晰展示全栈能力，用具体案例说明你如何协调或独立完成从Python后端到Vue/React前端的复杂功能开发与集成
- 如果有制造业、工业软件（MES/ERP）或任何垂直行业的AI解决方案经验，务必作为亮点单独强调，并说明业务理解如何助力技术实现
- 若对Langchain/Langgraph、RAGFlow/Dify等AI应用框架或平台经验不足，可快速通过官方教程和小型实践项目补强，理解其编排逻辑
- 加强对向量数据库（如Milvus）和图数据库（如Neo4j）的原理与实操学习，这是构建高效RAG和知识图谱应用的关键
- 梳理并准备1-2个能体现你解决复杂问题、技术选型、性能优化和跨团队协作能力的完整项目故事，用STAR法则精炼表达
面试指南
- 对于项目经验类问题，采用“背景-任务-行动-结果”的结构，重点突出你的技术决策、解决问题的具体方法以及可量化的成果
- 对于架构设计或方案类问题，先明确业务需求和技术约束，然后分层阐述你的设计（数据层、服务层、应用层），并对比不同技术选项的权衡
- 在回答中不仅要展示技术深度，也要体现你的业务理解、系统思维和协作意识，因为该角色需要承担部分超越纯开发的职责
- 请详细介绍一个你主导或深度参与的基于LLM（如GPT、Claude）的应用项目，你在其中负责了哪些部分？遇到了什么技术挑战，如何解决的？
- 在实现一个RAG系统时，你会如何设计检索流程和优化检索效果？如果遇到“幻觉”或答案不准确的问题，有哪些应对策略？
- 请描述你使用Langchain或类似框架开发一个AI Agent来处理复杂业务流程（例如一个制造业的质检报告生成流程）的设计思路
- 你如何评估不同向量数据库（如Milvus, Weaviate）的优劣并为项目进行技术选型？
- 假设需要为一个制造业客户构建一个智能知识库，你会如何规划技术架构、协调前后端开发并确保项目成功交付？
职位点评
Watch Jobs